<![CDATA[Perkembangan Generative Artificial Intelligence (Generative AI) memberikan peluang untuk meningkatkan akses terhadap informasi akademik melalui interaksi berbasis bahasa alami. Namun, penggunaan Large Language Model (LLM) secara langsung memiliki keterbatasan karena model dapat menghasilkan informasi yang tidak sesuai dengan sumber pengetahuan yang digunakan. Penelitian ini bertujuan untuk merancang dan membangun FEB AI Assistant sebagai layanan informasi akademik berbasis web pada Fakultas Ekonomi Universitas Negeri Jakarta (FEB UNJ) dengan menerapkan pendekatan Retrieval-Augmented Generation (RAG). Metode penelitian meliputi analisis kebutuhan, perancangan sistem, pembangunan knowledge base, implementasi RAG, pengembangan aplikasi, dan pengujian sistem. FEB AI Assistant dikembangkan menggunakan Laravel, PHP, MySQL, REST API, dan Gemini API sebagai LLM. Knowledge base dibangun dari dokumen akademik yang diproses menjadi document chunk untuk digunakan dalam proses retrieval sebelum menghasilkan respons. Hasil implementasi menunjukkan bahwa sistem dapat menjalankan fungsi utama mulai dari pengelolaan dokumen, pemrosesan knowledge base, retrieval informasi, generasi respons melalui Gemini API, hingga penyajian jawaban kepada pengguna. Pengujian fungsional terhadap sembilan skenario menunjukkan seluruh fungsi berhasil dijalankan dengan tingkat keberhasilan 100%. Pengujian respons juga menunjukkan bahwa sistem mampu menghasilkan jawaban yang relevan dan mengacu pada informasi yang tersedia pada knowledge base. Hasil penelitian menunjukkan bahwa pendekatan RAG dapat diterapkan untuk mendukung layanan informasi akademik yang lebih interaktif dan berbasis bahasa alami pada tingkat fakultas.]]>
Copyrights © 2026
